遗传语言中的偏好模与读码框架

评述了ＤＮＡ核苷酸关联的几种研究途径。重点研究了偏好模分析方法，讨论了它与信息参数的联系，发现了编码区偏好用Ｓ－Ｗ（强弱键）语言，而非编码区偏好用Ｒ－Ｙ（嘌呤嘧啶）语言，解释了这种区分的意义，找到了编码区常用模（＊ＷＳ）的规律性，指出这种偏好性可能与ｔ－ＲＮＡ丰度有关。研究了如何寻找读码框架及非编码区中是否存在隐蔽框架的问题。     

基于拍卖方偏好揭示的多属性网上拍卖模型

为了揭示拍卖方偏好对多属性网上拍卖的影响,研究由一个买方和多个卖方组成的多属性网上拍卖模型.根据模型,在多属性拍卖开始时,买方需要揭示偏好信息,给出每个属性的期望值和保留值.在拍卖过程中,买方Agent和卖方Agent分别代表拍卖双方进行评标和投标,由买方Agent控制拍卖协商过程.最后用一个多人参与的算例说明了该模型的有效性.这种方法能够避免多属性加权和模型的缺点,并且可以有效的控制拍卖过程.     

评估专家不完全模糊偏好信息的一种迭代估算方法

针对基于方案时比较的不完全模糊偏好信息的方案优选群决策问题,通过引入模糊偏好关系中的可加一致性概念,提出了一种估算评估专家缺失的偏好信息的迭代估算方法.该方法仅仅依赖专家在可加一致性和可加互补性基础上提供的信息,而不用考虑其他专家的信息,因而估算出来的偏好信息能够与专家原始偏好信息保持良好的一致性,从而提高了估算结果的可信度.最后给出了一个算倒.     

基于蚂蚁寻径原理的最优路径选择算法

蚂蚁算法在动态路径寻优方面具有特有的优势。文章首先阐述了蚂蚁寻径原理，在长春市驾驶员调查问卷的基础上，对驾驶员的偏好性进行了分析。在蚂蚁寻径原理的基础上，结合驾驶员的偏好性，提出了一种能够综合反映驾驶员偏好的最优路径选择算法。算法以调查问卷得出的驾驶员最为关心的三类因素——行程时间、行驶距离和道路等级为考虑因素，以驾驶员对路径的硬性要求为约束条件，通过对偏好性参数的标定，体现驾驶员在路径选择上的不同偏好。最后以算例进行验证，表明算法具有很好的可行性和适用性。     

对发展我国企业债券市场的若干建议

债券融资与股权融资一样，也是企业在资本市场进行直接融资的一种重要方式。20世纪80年代以来，债券融资的低成本、高效率及其财务杠杆作用越来越受到西方企业的重视，逐渐成为企业融资的主要方式。相比之下，我国的政府和企业似乎偏好股权融资而冷淡债券融资，企业债券市场的发展远远落后于股票市场。     

考虑偏好序且权重未知的群双边匹配决策

考虑匹配主体是群且成员权重未知,提出一种基于偏好序信息的群双边匹配决策方法.先给出群双边匹配、综合满意度等概念.使用极大极小离差法求出主体群的成员权重,并通过OWA算子进行集结、生成一方主体群对另一方主体群的综合满意度.以最大化双方主体群的综合满意度之和为目标,建立0~1单目标优化模型并对模型解法进行拓展,求解模型获得最优匹配方案.最后通过实例说明该方法的简单、有效性.     

不确定QoS信息下的web服务选择方法研究

针对web服务选择中存在Qo S属性信息不确定性的问题,在分析Qo S属性描述的基础上,提出一种不确定Qo S信息下的web服务选择方法,该方法分别从区间型和模糊型两方面考虑不确定Qo S信息,基于有序加权平均(OWA)算子实现区间型Qo S属性的确定化,使用联系数分析和量化web服务的模糊Qo S属性,并在此基础上设计不确定Qo S下的web服务选择模型.实验结果证实该选择算法的有效性和可行性.     

融合用户标签相似度的矩阵分解算法

随着互联网时代的到来,推荐系统已经成为人们在网络上筛选资源的得力助手,传统推荐系统通过用户的评分信息来计算用户相似度并为用户进行资源的推荐,但仍存在冷启动、数据稀疏性等各种问题,极大地影响推荐质量.近年来,标签的出现带给推荐系统新的机遇,它能够具体准确地描述用户的兴趣偏好,使推荐系统可以通过标签属性来更准确地了解用户喜...     

融合动态兴趣偏好与特征信息的序列推荐

传统的序列推荐通常忽略用户和项目特征信息的重要性,且无法有效对动态的兴趣偏好进行建模.因此,提出融合动态兴趣与特征信息的序列推荐算法.该算法通过对目标项目进行动态兴趣建模,克服兴趣转移带来的影响;同时融合用户和项目特征信息模拟真实的用户行为以提高推荐的性能.首先,针对动态兴趣建模,采用辅助函数应用下一个行为监督上一个隐藏兴趣状态的学习,并采用带注意力机制的门控循环单元为不同的兴趣状态对目标影响程度赋予不同的权重;然后,针对用户和项目特征信息特征融合,采用平凡注意力机制为影响目标项目的特征赋予不同的权重,并通过多头注意力机制进行深层次的特征提取;最后,融合用户动态兴趣表示和用户项目特征表示输入到多层感知机.在Yelp和MovieLens-1M数据集上进行仿真实验,结果表明提出模型的性能比一些基线模型有较好的提升.